即刻App
年轻人的同好社区
下载
App内打开
Jason_Hu_6
411
关注
310
被关注
0
夸夸
Founding a startup in SF (AI x MarTech)
种子轮获 a16z, Prosus 等机构投资
Jason_Hu_6
11月前
100%
Joy.Zhou: 全职创业第三年 觉得创业就是选择了一种生活方式 创业大概率就是全年无休 你选择一个什么样的业务 就是选择了一种什么样的生活 所以如果你不喜欢你的业务 大概率你也不喜欢你的生活 而这可能是创业者的全部 所以一定要选择好自己的业务 因为其实就是选择了一种生活方式
2
0
1
Jason_Hu_6
12月前
5
0
0
Jason_Hu_6
1年前
4
2
0
Jason_Hu_6
1年前
6
0
0
Jason_Hu_6
1年前
0
0
0
Jason_Hu_6
3年前
web3的2C产品应该有自己独特的产品形态,不应该基于web2改进。
不看好用数据互通性/可组合性/资产所有权来改进微信/Twitter/YouTube。例子比如Lens, Farcaster, mail3, 等等。
正面的成果例子目前很少,但相信会越来越多。目前的例子比如 ENS,头像NFT等等。
8
0
0
Jason_Hu_6
3年前
近期看了一圈web3社交产品,现在的范式问题太大了。
Lens 这么有名的项目,日活可以低到100...
3
3
0
Jason_Hu_6
4年前
是不是可以这么总结:每个工作都有系统性知识,比如ML教科书上的模型、医生教科书里的疾病与治疗手段等,而手艺就是把杂乱的现实组织并接入已有知识体系的能力。
庞子奇: 每个职业和领域都有自己的“手艺”——那工程师的“手艺”是什么? 工程师每天面对的都是未解的问题、故障的系统,其中相互纠缠的因素在确定的物理世界中活活制造了一个“黑箱”,而工程师的“手艺”就是——根据经验和知识设计合适的方案探查黑箱、解开纠缠、让整个系统重新恢复秩序。 如果更细分到AI相关的领域,也就是机器学习/计算机视觉/...工程师,抛去对各自细分业务领域的理解,他们共有的一项“手艺”叫做理解Data-Driven: 1. 他们理解“Data”,理解数据中需要有哪些因素可以引向好的模型 (例如Scale & Diversity),而哪些因素会导致最终的失败 (例如 Dirty Annotations & Bias);2. 他们理解“Driven”,即如何设计高性能、健壮、具有一定解释性的模型处理问题,当深度学习发展到今天的程度,大家已经逐渐意识到,好的“End-to-End”并不意味着“神经网络一把梭”。 因此:1. 如果有人想要涉足AI、机器学习,请着重发展自己对“Data- Driven”的理解。2. 如果寻找合作的工程师,请用手里的案例、项目考考他的“手艺”,看看他对于“Data- Driven”的使用,是否像敲键盘一样自在。
3
3
0
Jason_Hu_6
4年前
庞子奇: 每个职业和领域都有自己的“手艺”——那工程师的“手艺”是什么? 工程师每天面对的都是未解的问题、故障的系统,其中相互纠缠的因素在确定的物理世界中活活制造了一个“黑箱”,而工程师的“手艺”就是——根据经验和知识设计合适的方案探查黑箱、解开纠缠、让整个系统重新恢复秩序。 如果更细分到AI相关的领域,也就是机器学习/计算机视觉/...工程师,抛去对各自细分业务领域的理解,他们共有的一项“手艺”叫做理解Data-Driven: 1. 他们理解“Data”,理解数据中需要有哪些因素可以引向好的模型 (例如Scale & Diversity),而哪些因素会导致最终的失败 (例如 Dirty Annotations & Bias);2. 他们理解“Driven”,即如何设计高性能、健壮、具有一定解释性的模型处理问题,当深度学习发展到今天的程度,大家已经逐渐意识到,好的“End-to-End”并不意味着“神经网络一把梭”。 因此:1. 如果有人想要涉足AI、机器学习,请着重发展自己对“Data- Driven”的理解。2. 如果寻找合作的工程师,请用手里的案例、项目考考他的“手艺”,看看他对于“Data- Driven”的使用,是否像敲键盘一样自在。
1
0
0
Jason_Hu_6
5年前
且慢理念很认同,但是投资实力实在不行。过去两年多没怎么动过总回报才13%
少楠Plidezus: 昨天看完这一篇 就想起之前十年的种种 拼命的想证明什么 或者得到什么 而弄乱了因果 推荐对投资有兴趣 但不求一夜暴富的 愿意和时间做朋友 可以下载有知有行 会找到许多同路人
7
0
0